一个示例向量：
string <- "Junk1_Junk2_Junk3__ID1_Junk4_Junk5.pdf"
我试图通过从右边数 _（下划线）来对 ID1 进行子集化；所以从右边数第二个和第三个下划线之间的子集。
预期输出：ID1
我的尝试是尝试使用双重__，
但这行不通，因为不是我的所有字符串列表都有它。
尝试：(_){2}([^_]+)
旁注，我正在努力适应正则表达式；请推荐一个资源来构建和测试。
感谢任何帮助。
【问题讨论】：
'ID1'
gsub("(.*?_){3}(.*)(_.*?){2}.*", "\\2", string)?
你可以使用
library(stringr)
stringr::str_extract(string, "[^_]+(?=(?:_[^_]*){2}$)")
或者，与基础 R 相同的方法：
## Base R:
sub(".*?([^_]+)(?:_[^_]*){2}$", "\\1", string)
请参阅 regex demo 和 R demo online。
详情：
[^_]+ - 除了_ 之外的一个或多个字符
(?=(?:_[^_]*){2}$) - 一个正向前瞻，需要两个_ 序列，然后是_ 以外的任何字符的零个或多个重复，直到字符串结束.*?([^_]+)(?:_[^_]*){2}$ 匹配
.*? - 任何零个或多个字符，尽可能少([^_]+) - 捕获组 1（替换模式中的\1 指的是这个捕获的字符串）：除_ 之外的一个或多个字符
(?:_[^_]*){2} - _ 的两个序列，然后是 _ 以外的任何字符的零个或多个重复
$ - 字符串结束。【讨论】：
[^_]+(?=(?:_+[^_]+){2}$)
+ 表示一个或多个，* 表示零个或多个。必要时使用。
sub(".*_([^_]+)(_[^_]+){2}", "\\1", string)
[1] "ID1"
【讨论】：
我曾想过在纯正则表达式中执行此操作，但我认为我实际上会在 R 中简化这个问题。我将使用一些非常简单的正则表达式和两个 R 命令而不是 1。
str_extract(string,"[^_]+_[^_]+_[^_]+$") %>%
str_remove("_[^_]+_[^_]+$")
我在这里找到了非下划线 [^_]+ 和下划线 _ 的组合。
为了便于正则表达式，我提取了整个字符串。然后我去掉多余的。
或者，我们可以使用更复杂的正则表达式和前瞻方法。
str_extract(string,"[^_]+(?=_[^_]+_[^_]+$)")
我认为对于许多不经常使用 Regex 的编码人员来说，前瞻代码更易于阅读。
【讨论】：